[发明专利]推送应用程序的方法、装置、计算机设备和存储介质

说明书

本申请涉及一种基于机器学习的推送应用程序的方法、装置、计算机设备和存储介质。所述方法包括：获取待推送应用程序，根据待推送应用程序的应用类别确定推送范围，获取推送范围的应用镜像集合和应用操作记录；将应用镜像集合和应用操作记录输入至预测模型，通过预测模型的第一叠层网络提取第一时期需求特征，通过预测模型的第二叠层网络提取第二时期需求特征，通过特征连接层对第一时期需求特征和第二时期需求特征进行融合得到目标需求特征；根据目标需求特征确定各个用户标识对待推送应用程序的兴趣度评分；根据兴趣度评分筛选目标用户标识，根据目标用户标识对待推送应用程序进行推送。采用本方法能够有效提高应用程序的推送准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种推送应用程序的方法、装置、计算机设备和存储介质。

背景技术

随着互联网技术的迅速发展，各种各样的应用软件层出不穷，例如通讯软件、多媒体软件、办公室软件等多种类型的应用软件，用户可以根据需求获取感兴趣的应用软件。随着人工智能(Artificial Intelligence, AI)技术的迅速发展，能够基于云计算、分布式存储、大数据处理等技术，向用户智能推送应用软件。在海量应用软件市场下，为了帮助用户快速找到感兴趣或需要的应用软件，出现了一些应用软件推送方式。

传统的方式中通常是基于逻辑回归、循环神经网络序列或注意力机制等推送方式，这些方式通常仅根据用户的短期行为记录进行推送，用户短期行为中存在较多噪声，导致推送的准确性不高。因此，如何有效提高推送应用软件的准确度成为目前需要解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高应用程序的推送准确度的推送应用程序的方法、装置、计算机设备和存储介质。

一种推送应用程序的方法，所述方法包括：

获取待推送应用程序，所述待推送应用程序包括应用类别；

根据所述应用类别确定推送范围，获取所述推送范围对应的各个用户标识的应用镜像集合和应用操作记录；

将所述应用镜像集合和所述应用操作记录输入至已训练的预测模型，通过所述预测模型的第一叠层网络提取各个用户标识的第一时期需求特征，通过所述预测模型的第二叠层网络提取各个用户标识的第二时期需求特征；

通过所述预测模型的特征连接层对所述第一时期需求特征和所述第二时期需求特征进行融合得到目标需求特征；根据所述目标需求特征确定各个用户标识对应所述待推送应用程序的兴趣度评分；

根据所述兴趣度评分筛选满足推送条件的目标用户标识，将所述待推送应用程序推送至所述目标用户标识对应的用户终端。

一种推送应用程序的装置，所述装置包括：

应用获取模块，用于获取待推送应用程序，所述待推送应用程序包括应用类别；

数据获取模块，用于根据所述应用类别确定推送范围，获取所述推送范围对应的各个用户标识的应用镜像集合和应用操作记录；

兴趣预测模块，用于将所述应用镜像集合和所述应用操作记录输入至已训练的预测模型，通过所述预测模型的第一叠层网络提取各个用户标识的第一时期需求特征，通过所述预测模型的第二叠层网络提取各个用户标识的第二时期需求特征；通过所述预测模型的特征连接层对所述第一时期需求特征和所述第二时期需求特征进行融合得到目标需求特征；根据所述目标需求特征确定各个用户标识对应所述待推送应用程序的兴趣度评分；

应用推送模块，用于根据所述兴趣度评分筛选满足推送条件的目标用户标识，将所述待推送应用程序推送至所述目标用户标识对应的用户终端。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：